Mutual-Structure for Joint Filtering

news2025/1/23 5:35:30

以前的联合/引导滤波器将参考图像中的结构信息直接传输到目标图像,它的主要缺点:两个图像中可能存在完全不同的边缘。简单地将所有图像传递给目标可能会出错。
作者对结构不一致性问题,提出了相互结构的概念,以增强基于目标图像和参考图像中公共信息的联合处理能力。即考虑了参考图像和目标图像之间的可能差异,并估计了它们的相互结构,作为联合滤波的新参考。此框架通常用于处理具有不同结构或不同光谱配置的图像。它很好地抑制了输入图像中不常见的信息。
在这里插入图片描述

(a)和(b)是输入图像和参考图像。由于(b)具有与深度无关的额外边缘,它是一张RGB图,并且输入图像(a)有噪声,因此联合滤波器会生成不需要的结构,如©和(d)所示。因此,在联合过滤中必须选择正确的边缘。

联合/引导图像过滤器
局部联合方法:双边滤波器,引导滤波器,基于测地距离的滤波器等。考虑色差和空间距离的相似度来设置局部平滑图像的权重。
全局联合方法:比如WLS,通过设置一个l1、l2范数的目标函数来优化最值。

联合滤波的互结构
下图是一个地方白天和晚上的照片。
互结构:如图c,互结构指两幅图形状结构一致的区域。不需要灰度大小、梯度一直,只要轮廓相同即可。
不一致结构:如图d,同一位置两幅图呈现完全不同的结构。
平滑区域:如图e,图像中常见的地方查平滑块,容易收到噪声和其他视觉伪影的影响。
作者旨在找到两个输入图像中的相互结构,并使其进行联合滤波。所以不仅要过滤目标图像,还要过滤参考图像。
在这里插入图片描述

I0:输入目标图像,G0:参考图像;
I:输出目标图;G:互结构引导图;
P(x,y)^T:像素坐标;
I0,p和G0,p,Ip,Gp是I0,G0,I,G中的像素强度;
N§:以p为中心的像素集;N§ 中的像素数为| N |。

测量I和G中相应图像间的结构相似性,然后定义相应的约束。最后描述了联合优化I和G的目标函数。
结构相似性:I和G两个图像块的相似性用NCC(归一化相关)来表示:在这里插入图片描述

Conv(Ip,Gp)是图像块强度的协方差,协方差公式:在这里插入图片描述
协方差用来刻画两个随机变量x,y之间的相关性如果两个变量的变化趋势一致,也就是说如果其中一个大于自身的期望值,另外一个也大于自身的期望值,那么两个变量之间的协方差就是正值。如果两个变量的变化趋势相反,即其中一个大于自身的期望值,另外一个却小于自身的期望值,那么两个变量之间的协方差就是负值。根号下的两个数表示方差。当两个图像块具有相同的边缘,ρ=1,否则|ρ|<1,当图像块结构越相似,|ρ|越大。由于ρ是非线性的,不好计算,于是作者找到它和最小二乘法的关系,最小二乘法好计算。在这里插入图片描述

a是系数,这个方程线性地表示G中的图像块通过I中的该图像块。
下式通过系数a表示最小误差:在这里插入图片描述

在输入的图像块相同时,e(Ip, Gp)与NCC方法相关。
e(Ip, Gp)和ρ(Ip, Gp)的关系:在这里插入图片描述
其中σ(Gp)是G中以p为中心的图像块的方差。

作者的图像块相似度方法:在这里插入图片描述
在这里插入图片描述

从这个表达式中,我们容易得到他在三种区域的表现:
1.Mutual-Structures:|ρ(Ip, Gp)|达到1时,S趋于0
2. Inconsistent Structures(图像块结构不一致):ρ趋近于0,且因为包含细节,两个方差中至少有一个比较大,从而S较大。
3. Smooth Regions:因为两个方差都很小,从而S较小。这并不和1产生矛盾,因为这种平滑区域也可以视作是Mutual-Structures。

目标函数:在这里插入图片描述

它可以产生平凡解,作者引入了正则项来避免琐碎的解决方案,并产生合理的平滑效果以消除噪声。在这里插入图片描述

此外,我们还可以再加正则项使图像满足一定的光滑性或者是能够去除图像中的噪声:在这里插入图片描述

最终目标函数即为:在这里插入图片描述

算法流程:在这里插入图片描述

实验结果
在这里插入图片描述

应用

我们的方法可以应用到许多场景,例如图像分割,图像特征提取和图像恢复一类的问题中。在这里插入图片描述

下图是先利用作者的方法提取共同结构,再做边缘提取。在这里插入图片描述

下图是对RGB图去噪。
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/379186.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【项目管理】始于需求,而终于需求的最终落地

每个产品都是需要一系列需求的慢慢搭建&#xff0c;并且需求对于一个产品来说是非常重要的&#xff1b;我们对需求进行分配以及执行&#xff0c;需要一整个团队的配合以及执行&#xff0c;才可以最终达到一个好的效果&#xff1b; 项目一般是由一系列的需求组成的&#xff0c;需…

548、RocketMQ详细入门教程系列 -【消息队列之 RocketMQ (二)】 2023.02.28

目录一、Java 访问 RocketMQ 实例1.1 引入依赖1.2 消息生产者1.3 消息消费者1.4 启动 Name Server1.5 启动 Broker1.6 运行 Consumer1.7 运行 Producer二、参考链接一、Java 访问 RocketMQ 实例 RocketMQ 目前支持 Java、C、Go 三种语言访问&#xff0c;按惯例以 Java 语言为例…

SQL数据库权限管理-10个数据库角色

为便于管理数据库中的权限&#xff0c;SQL 数据库提供了服务器角色、数据库角色、用户等来划分不同用户拥有的权限差异。今天给大家介绍数据库角色对应的权限。 数据库级角色 存在两种类型的数据库级角色&#xff1a; 数据库中预定义的“固定数据库角色”可以创建的“用户定…

CSO面对面丨中核华辉刘博:应对大型央国企数字化转型道路上必须攻克的安全难题

“极致”&#xff0c;一直是大型央国企网络安全工作建设追求的目标。随着我国数字化转型全面走深向实&#xff0c;网络安全风险、数据管理、层出不穷的网络攻击&#xff0c;为各领域大型央国企数字化转型带来了更多的挑战。如何充分发挥优势、携手各方构筑网络安全屏障、提升安…

Codeforces Round #854 by cybercats (Div. 1 + Div. 2)

A. Recent Actions给出n个格子&#xff0c;从上到下是1~n&#xff0c;其他的n1~。。。不在格子内。给出m个操作&#xff0c;若该操作的数字不在格子内&#xff0c;那就将它拿到格子的第一个位置&#xff0c;同时格子第n个位置的数被挤下去&#xff1b;若操作的数字在格子内&…

Java简单的生成/解析二维码(zxing qrcode)

Hi I’m Shendi Java简单的生成/解析二维码&#xff08;zxing qrcode&#xff09; 在之前使用 qrcode.js 方式生成二维码&#xff0c;但在不同设备上难免会有一些兼容问题&#xff0c;于是改为后端&#xff08;Java&#xff09;生成二维码图片 这里使用 Google 的 zxing包 Jar…

基于STM32的DHT11温湿度控制系统仿真设计

基于STM32的DHT11温湿度控制系统仿真设计(仿真程序报告讲解&#xff09;演示视频1.主要功能2.仿真3. 程序4. 设计报告1主控制器选择5.设计内容 百度云网盘下载链接仿真图proteus 8.9程序编译器&#xff1a;keil 5 编程语言&#xff1a;C语言 设计编号&#xff1a;C0076 演示…

Android Qcom Display学习(十三)

该系列文章总目录链接与各部分简介&#xff1a; Android Qcom Display学习(零) 在上一篇中dump GraphicBuffer中&#xff0c;知道了护眼模式中调用setColorTransform应用于每一层Layer&#xff0c;于是想往上了解一些&#xff0c;color是针对屏幕的&#xff0c;不是对单个Layer…

[YOLO] yolo博客笔记汇总(自用

pip下载速度太慢&#xff0c;国内镜像&#xff1a; 国内镜像解决pip下载太慢https://blog.csdn.net/weixin_51995286/article/details/113972534​​​​​​​ YOLO v2和V3 关于设置生成anchorbox&#xff0c;Boundingbox边框回归的过程详细解读 YOLO v2和V3 关于设置生成an…

Airbnb系列三《Managing Diversity in Airbnb Search》 搜索多样性

abstract 搜索系统中一个长期的问题是结果多样性。从产品角度讲&#xff0c;给用户多种多样的选择&#xff0c;有助于提升用户体验及业务指标。 多样性需求和模型的目标是相矛盾的&#xff0c;因为传统ctr模型是 point wise&#xff0c;只看单个相关性不管相邻之间item差异。 …

Jvisualvm监控Tomcat以及相关参数优化

Tomcat阻塞模式 阻塞模式&#xff08;BIO&#xff09; 客户端和服务器创建一个连接&#xff0c;它就会创建一个线程来处理这个连接&#xff0c;以为这客户端创建了几个连接&#xff0c;服务端就需要创建几个线程来处理你&#xff0c;导致线程会产生很多&#xff0c;有很多线程…

数学小课堂:无穷小(平均速度和瞬间速度的关系)

文章目录 引言I 速度1.1 平均速度1.2 瞬间速度(某一时刻特定的速度)1.3 解释飞箭是静止的悖论II 导数2.1 概念2.2 导数的现实影响2.3 微积分的意义III 无穷小3.1 贝克莱挑战牛顿(无穷小悖论)3.2 无穷小的定义引言 柯西和魏尔斯特拉斯给出的无穷小的定义: 它不是零;它的绝对…

vue2+element封装rules, 支持json多层级

一、封装介绍 封装前景&#xff1a;表单内容多、表单类型重复且校验项较多 下面就参考element的例子写个实例 element地址&#xff1a;https://element.eleme.cn/2.15/#/zh-CN/component/form 实现效果如下: 今天给大家写三种表单校验实现方式 普通表单实现、正常定义rules…

【svg】引入svg(非图标)

这里写目录标题直接插入页面—— 有各层svg内容并可赋值属性css 背景图 ——不可更改各层svg属性创建标签&#xff08;动态添加&#xff09;——可改属性但是还不如直接插入不常用&#xff08;没弄明白&#xff09;目的&#xff1a;如果直接以图片的方式引用svg 不能改变内层sv…

【C++基础入门】初识C++、数据类型

一&#xff1a;C简介 1.1 介绍 C&#xff08;c plus plus&#xff09;是一种计算机高级程序设计语言&#xff0c;由C语言扩展升级而产生 [17] &#xff0c;最早于1979年由本贾尼斯特劳斯特卢普在AT&T贝尔工作室研发。C既可以进行C语言的过程化程序设计&#xff0c;又可以…

深度学习 <实战Kaggle比赛:预测房价> 代码分析 跟李沐学AI

4.10. 实战Kaggle比赛&#xff1a;预测房价 — 动手学深度学习 2.0.0 documentation 若有错误请指出 一.数据处理部分 1.下载部分 没啥好说的 import hashlib import os import tarfile import zipfile import requests#save DATA_HUB dict() DATA_URL http://d2l-data.…

2-8 SpringCloud快速开发入门: Eureka 注册中心高可用集群搭建

Eureka 注册中心高可用集群搭建 Eureka 注册中心高可用集群就是各个注册中心相互注册 Eureka Server的高可用实际上就是将自己作为服务向其他服务注册中心注册自己&#xff0c;这样就会形成一组互相注册的服务注册中心&#xff0c;进而实现服务清单的互相同步&#xff0c;往注…

【博学谷学习记录】超强总结,用心分享丨人工智能 机器学习 逻辑回归模型遗漏知识点总结

目录激活函数逻辑回归的优缺点总结LR可以进行多分类吗&#xff1f;激活函数 h(w)表示输入的线性方程 逻辑回归的优缺点总结 优点&#xff1a; 形式简单&#xff0c;模型的可解释性非常好。从特征的权重可以看到不同的特征对最后结果的影响&#xff0c;某个特征的权重值比较高…

Docker搭建redis-cluster集群

以下是搭建redis-cluster集群&#xff0c;该集群是redis3.0引进了的&#xff0c;该集群比redis-sentinel哨兵架构有以下优点 可以配置多主多从&#xff0c;在redis设置内存可以更大&#xff0c;而哨兵只能配置一主多从&#xff0c;且单个主节点内存不宜设置过大&#xff0c;否…

操作系统内核与安全分析课程笔记【0】环境搭建

本学期选择了游伟和黄建军老师的操作系统内核分析与安全&#xff0c;目前已经试听了第一节课。这门的授课老师建了一个网页用于收录本次课程的幻灯片材料&#xff0c;录屏材料&#xff0c;以及软件安装包等一系列课程用得到的材料。对于学生而言&#xff0c;这是一门既硬核能够…